La Public AI Challenge è un’iniziativa annuale della Fondazione Hub Innovazione Trentino, realizzata in collaborazione con l’Università di Trento, la Fondazione Bruno Kessler (FBK) e la Provincia autonoma di Trento, che dal 2022 consente alle strutture della Pubblica Amministrazione trentina di scoprire e testare i benefici dell’intelligenza artificiale (IA) al fine di ottimizzare e prevedere eventi che influenzano l’organizzazione e l’erogazione di servizi e procedure, grazie al coinvolgimento di gruppi di studenti universitari che, in due mesi, applicano tecniche di machine learning e creano modelli predittivi basati sui dati forniti dalle strutture pubbliche.

Le quattro sfide della Public AI Challenge 2025

La Public AI Challenge 2025 ha coinvolto quattro strutture della Provincia autonoma di Trento: l’Agenzia provinciale per la protezione dell’ambiente (APPA), il Servizio Libro Fondiario e Catasto, la Centrale Unica di Emergenza 112 e il Dipartimento Organizzazione, Personale e Innovazione, insieme a Trentino School of Management (TSM).

Ognuna delle quattro strutture provinciali ha proposto una diversa sfida:

• APPA ha proposto una sfida dedicata all’analisi dei dati ambientali per predire i fenomeni di trasporto dell’inquinamento atmosferico;
• il Servizio Libro Fondiario e Catasto una sfida che mira a rendere più efficiente l’assegnazione delle classificazioni catastali tramite l’uso di algoritmi intelligenti;
• la Centrale Unica di Emergenza 112 – Protezione Civile del Trentino lo sviluppo di strumenti predittivi per anticipare e gestire in modo ottimale i picchi di chiamate;
• il Dipartimento Organizzazione, Personale e Innovazione, insieme a Trentino School of Management (TSM), la progettazione di percorsi formativi su misura, basati su un’analisi previsionale delle esigenze del personale pubblico.

La sfida proposta da APPA “ChInquinArIA”

Quattro team multidisciplinari composti da studenti e studentesse dell’Università di Trento hanno avuto l’opportunità di applicare le proprie competenze nell’affrontare queste sfide innovative, attraverso l’analisi dei dati, la comprensione di processi e fenomeni complessi e la creazione di modelli predittivi basati sul machine learning.

APPA ha proposto al proprio team la sfida “ChInquinArIA”, con l'obiettivo di quantificare quanto dell'inquinamento atmosferico rilevato sul territorio provinciale ha origine locale (da traffico, riscaldamento domestico e altre fonti) e quanto invece viene trasportato da aree esterne prossime al confine provinciale (come la Pianura Padana) o da distanze più remote (polveri desertiche). Conoscere nel dettaglio l’origine degli inquinanti aiuta l'amministrazione a identificare le fonti locali su cui è possibile agire per ridurre le emissioni inquinanti, e a quantificare il contributo esterno su cui invece le politiche locali non possono avere effetto.

Al termine della Public AI Challenge, tutti i team hanno presentato il lavoro svolto, e la giuria ha attribuito una menzione d’onore al progetto sviluppato per APPA, riconoscendo la complessità della sfida proposta, le difficoltà nel reperimento dei dati e nella loro successiva analisi. Il lavoro fatto potrà essere portato avanti e valorizzato, mantenendo attivi i rapporti di collaborazione instaurati nel corso della sfida tra APPA, DISI e DICAM.

Il progetto del team che ha raccolto la sfida di APPA

Il team, assegnato a questa sfida era composto da Alberto Catalano, Nicolò Cecchin, Alessandro Delle Site, Stefano Genetti, Ettore Miglioranza, Elisa Negrini e Federico Rubbi (un dottorando in Industrial Innovation e studenti dei corsi di laurea magistrale UNITN-DISI Artificial Intelligence Systems, Data Science e Quantitative and Computational Biology). I mentori, Elena Tomasi, ricercatrice presso FBK, e Massimo Cassiani, professore associato presso l'Università di Trento DICAM, hanno supportando il team nella sfida.

Il team ha analizzato i dati storici e in tempo reale di qualità dell'aria di APPA (1990-2025) e li ha combinati con variabili meteorologiche e topografiche provenienti da set di dati disponibili al pubblico (ECMWF analysis V5 e NCEP GDAS/FNL 0.25 Degree Global Tropospheric Analyses) e con i dati rilevati dalle Agenzie per l’ambiente delle regioni confinanti con il Trentino. È stata quindi analizzata l'influenza dei parametri meteorologici (tra cui l'altezza dello strato limite atmosferico) per comprendere meglio come le condizioni meteorologiche influenzano il trasporto e la dispersione degli inquinanti, e cercando di identificare le condizioni atmosferiche favorevoli al trasporto di inquinanti da aree esterne alla provincia.

Successivamente il team ha lavorato su modelli di explainable machine-learning per prevedere i picchi di inquinanti e identificare i fattori ambientali chiave che li determinano, con l'obiettivo finale di fornire uno strumento trasparente e basato sui dati che aiuti APPA a prevedere gli eventi critici e a distinguere le emissioni locali dai fenomeni di trasporto.

Elisa Malloci